如何判断疫情扩散风险，如何制定城市的隔离政策？基于大数据的建模和推演平台，是科学决策的重要依据。近日，南科大“人流大数据和AI驱动的新型冠状病毒（COVID-19）传播建模预测和模拟推演平台”内测版本正式推出。该平台可实现在城市尺度上，基于人流移动的新型冠状病毒传播感染情况的细粒度预测和模拟，为有关部门制定不同的隔离和公共防疫政策（如封闭特定城市区域或道路）提供参考。

疫情发生后，南方科技大学科研部、工学院、计算机科学与工程系和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。

在疫情爆发的初期，随着确诊病例和疑似病例数目的急剧增长，相关密切接触者数量的增加、使得防疫管理压力不断增大。“新型冠状病毒的感染传播与人流移动存在密不可分的关联。然而，现阶段的多数研究只停留在简单的相关性分析以及基于全国地图的数据可视化阶段，欠缺在城市尺度上、针对人流移动的细粒度深度分析，更缺少基于人流移动的传播模拟推演模型以及潜在感染源和风险区域的挖掘模型。”宋轩说。

人流大数据和AI驱动的新型冠状病毒（COVID-19）传播建模预测和模拟推演平台

他介绍，该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如上图），其中预测和模拟推演模型完全由数据驱动，需要使用人流大数据进行训练和优化。数据拥有单位只要将人流大数据输入平台，平台即可以自动完成模型迭代训练，并输出相关的预测和模拟推演的可视化结果。其预测和模拟推演的精度由模型训练数据的质量、精细度和覆盖度决定。

宋轩指出，该平台主要解决的问题包括：新型冠状病毒和人流移动的映射模型的建立，包括传染概率确定/潜伏期分析/传染代数分析等；隐藏病患分析，根据缺失轨迹链反推出尚未确诊的实际病患；风险人群分析，根据病患轨迹寻找可能有接触的风险人群，提前预警；潜在病原地挖掘，分析病人间的轨迹交叉点确认潜在的未知病原地。

推演平台通过整合、处理和分析各类多模态人流移动和出行大数据，结合新一代的人工智能技术，完成对新型冠状病毒的传播和感染人群细粒度建模，从而实现在城市区域内细粒度预测、模拟和动态推演传播感染情况（如下图）。

城市局部区域感染传播动态模拟和推演

在这些功能基础上，平台可以实现设定不同的公共防疫政策（如封闭城市内的高风险感染区域），在城市尺度上，动态推演和模拟在这些政策下的城市传播感染情况，从而帮助相关部门制定更为高效的隔离和公共防疫政策（如下图）。

设定不同的区域封闭政策，动态模拟和推演传播感染情况

宋轩表示，他的相关研究工作主要源于2011年东日本大地震和福岛核事故。“这次灾难是人类历史上最大的复合型灾难之一，日本福岛县，宫城县和岩手县的大量灾民被海啸卷走。当时我在想，如果使用我们的研究提前预测和模拟人流移动，为灾民提供高效安全的避难路线，也许就可以挽救他们的生命。因此，我们开发了多个应急人流移动预测模型、并研发了一套系统帮助日本政府分析灾后灾民避难迁徙情况，从而制定更为高效的灾后重建政策。”随后，2014年西非爆发了埃博拉病毒，宋轩团队用他们的研究帮助国际电信联盟分析了西非的人流移动和埃博拉病毒的传播感染情况。面对此次新冠肺炎疫情，他们再度完善这一研究，希望为抗疫工作发挥积极作用。该平台将供给防疫部门和相关抗疫单位无偿使用，并提供无偿技术支持和咨询。

据了解，历经一个月的研发，平台的核心功能已经基本研发完毕，现在正处于内测阶段。后续将同相关部门开展合作，将他们的数据接入平台，进行进一步的测试，并完善改进平台。与此同时，平台也将无偿提供给防疫部门使用，了解他们的需求，获得他们的反馈，不断的优化平台功能。

宋轩指出，这个平台是一个大数据分析和AI建模平台，它以分析和处理多模态城市人流大数据。而平台模型的预测和模拟推演精度是由训练数据的质量、精细度和覆盖度决定的。因此他们也希望更多的拥有数据的单位可以一同参与进来，共同完善这个平台。

编辑 陈冬云